Update app.py

app.py

@@ -1,57 +1,92 @@
 import streamlit as st
 from transformers import pipeline
+from langdetect import detect
+import pandas as pd
 
 # Configuration de la page
 st.set_page_config(
-    page_title="🌍 Analyse de Sentiment Multilingue",
-    page_icon="🧠",
+    page_title="🌍 Analyse de Sentiment Multilingue V2",
+    page_icon="🔎",
     layout="centered",
 )
 
+# CSS personnalisé pour rendre l'app plus douce visuellement
+st.markdown(
+    """
+    <style>
+    .stApp {
+        background-color: #f0f2f6;
+    }
+    .big-font {
+        font-size:20px !important;
+    }
+    </style>
+    """,
+    unsafe_allow_html=True
+)
+
 # Titre principal
-st.title("🧠 Analyseur de Sentiment Multilingue")
-st.write("Détectez automatiquement les émotions dans vos textes en plusieurs langues grâce à l'intelligence artificielle 🤖.")
+st.title("🔎 Analyseur de Sentiment Multilingue")
+st.write("**Bienvenue !** Cette application détecte automatiquement la langue et analyse les sentiments de vos textes. 📖")
 
-# Barre latérale
+# Sidebar d'information
 with st.sidebar:
-    st.header("À propos 📚")
-    st.write("Cette application utilise un modèle pré-entraîné hébergé sur Hugging Face pour analyser le sentiment de vos textes.")
+    st.header("📚 À propos de l'application")
+    st.write("""
+    - Modèle IA : tabularisai/multilingual-sentiment-analysis
+    - Analyse de texte rapide
+    - Détection de la langue
+    """)
     st.markdown("---")
-    st.write("Projet réalisé avec **Streamlit** et **Transformers**.")
+    st.write("Réalisé avec ❤️ en Python et Streamlit")
 
-# Chargement du modèle
+# Charger le modèle
 @st.cache_resource
 def load_model():
     return pipeline("text-classification", model="tabularisai/multilingual-sentiment-analysis")
 
 classifier = load_model()
 
-# Zone de saisie de texte
-st.subheader("✍️ Entrez votre texte ci-dessous :")
-user_input = st.text_area("Tapez votre message ici...", height=200)
+# Entrée utilisateur
+st.subheader("✍️ Entrez vos phrases :")
+user_input = st.text_area("Entrez plusieurs phrases séparées par un point-virgule ';'", height=150)
 
-# Bouton d'analyse
-if st.button("🔎 Analyser le Sentiment"):
-    if user_input.strip() == "":
-        st.warning("⚠️ Merci d'entrer un texte avant de lancer l'analyse.")
+# Bouton
+if st.button("🔍 Lancer l'analyse"):
+    if not user_input.strip():
+        st.warning("⚠️ Merci d'entrer au moins une phrase.")
     else:
-        with st.spinner("Analyse en cours..."):
-            result = classifier(user_input)[0]
-            sentiment = result['label']
-            score = result['score']
-        
-        # Affichage des résultats
-        st.success(f"**Sentiment détecté :** {sentiment}")
-        st.info(f"**Confiance du modèle :** {score:.2%}")
-
-        # Ajout d'un petit message en fonction du résultat
-        if "positive" in sentiment.lower():
-            st.balloons()
-        elif "negative" in sentiment.lower():
-            st.error("😞 Le sentiment semble négatif.")
-        else:
-            st.warning("😐 Sentiment plutôt neutre.")
+        phrases = [phrase.strip() for phrase in user_input.split(';') if phrase.strip()]
+
+        st.info(f"Nombre de phrases détectées : {len(phrases)}")
+
+        results = []
+
+        with st.spinner("Analyse en cours... ⏳"):
+            for phrase in phrases:
+                try:
+                    lang = detect(phrase)
+                except:
+                    lang = "indéterminée"
+
+                analysis = classifier(phrase)[0]
+                results.append({
+                    "Texte": phrase,
+                    "Langue": lang,
+                    "Sentiment": analysis["label"],
+                    "Score": round(analysis["score"], 2)
+                })
+
+        # Affichage sous forme de tableau
+        df_results = pd.DataFrame(results)
+        st.dataframe(df_results)
+
+        # Résultats graphiques
+        st.subheader("📊 Visualisation des scores de confiance")
+        st.bar_chart(df_results.set_index("Texte")["Score"])
+
+        st.success("✅ Analyse terminée avec succès !")
 
 # Footer
 st.markdown("---")
-st.markdown("🔗 [Voir le modèle sur Hugging Face](https://huggingface.co/tabularisai/multilingual-sentiment-analysis) | Réalisé avec ❤️ par un passionné d'IA.")
+st.markdown("🔗 [Voir le modèle Hugging Face](https://huggingface.co/tabularisai/multilingual-sentiment-analysis) | Projet open-source disponible sur demande.")